Experter avslöjar hur AI och DeSci kan förändra vetenskapen för alltid

Peer review är en viktig del av vetenskaplig forskning. Det spelar en avgörande roll för att säkerställa riktigheten och noggrannheten i resultat innan de publiceras. Men peer review-processen utförs av människor, och människor gör oundvikligen misstag. Därför kan ny teknik vara lösningen på detta.

BeInCrypto pratade med YesNoError medgrundare Matt Schlicht och Mira Network VD Magnus Bratt för att förstå hur artificiell intelligens (AI) och decentraliserad vetenskap (DeSci) samverkar för att förändra peer review-processer inom vetenskapen.

Kostnaden för bristfällig tillsyn

Även de smartaste människor gör misstag. Inom vetenskapen kan dessa misstag få stora konsekvenser. Historien – både ny och gammal – har visat detta gång på gång.

År 1998 skickade NASA Mars Climate Orbiter för att studera planetens atmosfär. Projektet innebar en investering på 125 miljoner USD och nästan 10 månaders resa dit.

Vid ankomsten brann och bröt sonden ner, och NASA ansåg snart uppdraget som misslyckat. Det som sved mest var att uppdragets misslyckande spårades till ett enkelt navigationsfel.

Navigationslaget lett av Jet Propulsion Laboratory (JPL) använde metriska enheter i sina beräkningar. Samtidigt gav Lockheed Martin Astronautics, rymdfarkostens designer och byggare, viktig accelerationsdata i engelska enheter.

Lockheed Martins misslyckande att omvandla engelska enheter till metriska förklarade det kritiska felet som gjorde att rymdfarkosten kom för nära Mars och brann vid ankomsten.

“Traditionell peer review är i grunden begränsad av mänskliga fel och subjektivitet. Granskare kan förbise viktiga metodologiska brister eller statistiska misstag på grund av individuella fördomar, motstridiga intressen eller helt enkelt begränsningarna av manuell granskning,” sa Bratt till BeInCrypto.

Efterföljande undersökningar fann att bristen på en rigorös, oberoende peer review av navigationsberäkningarna bidrog till att enhetskonverteringsfelen inte upptäcktes. Men det har funnits ännu nyare fall där peer review-mekanismer har misslyckats med att åtgärda sådana enkla fel.

Ett nyligen fall av mänskligt misstag i vetenskapen

Ett av de senaste händelserna som visar omfattningen av mänskliga fel i peer-reviewed vetenskaplig forskning inträffade förra året. I oktober publicerades en studie i den miljökemiska tidskriften Chemosphere som avslöjade att elektroniska flamskyddsmedel finns i vissa svarta plastprodukter för hushåll, som köksredskap.

Studien ledde till många mediarapporter, inklusive artiklar i tidningar som The Atlantic och National Geographic, som uppmanade konsumenter att kasta sina svarta plastköksredskap. Det skapade också en våg av oro på sociala medier.

Men i december, för 30 cent och på 30 sekunder, fann en OpenAI-fråga som granskade studiens resultat att författarna hade missat en nolla.

“Vi räknade fel på referensdosen för en vuxen på 60 kg. Vi uppskattade den först till 42 000 ng/dag istället för det korrekta värdet 420 000 ng/dag,” förklarade rättelsen stated.

Den ursprungliga forskningen innehöll ett betydande fel på en faktor 10. En viss exponering angavs vara 80 % av den lagliga gränsen för ett visst gift när det bara var 8 %. Med andra ord överskattade detta fel kraftigt exponeringen för dessa gifter.

“Jag skulle säga att den största begränsningen som är tydlig med peer reviews är att människor gör fel. Dessa är mycket smarta personer. Detta publicerades överallt. Det pågick i två månader, och miljontals människor såg denna artikel, och ingen upptäckte detta. Det visar sig att om du tar den artikeln och skickar den till OpenAI:s senaste modell, och helt enkelt frågar, ‘finns det några fel i denna artikel?’ För cirka 30 cent och på 30 sekunder säger den omedelbart ja,” sa Schlicht.

Som svar på dessa händelser har förespråkare av AI och DeSci noterat dessa brister i traditionella vetenskapliga metoder.

Omforma Peer Review med AI och DeSci

Konceptet med peer review har funnits i århundraden. Sedan starten har det genomgått flera förändringar.

“Peer review var inte alltid den formella, anonyma processen vi känner idag. I de tidiga dagarna av vetenskapliga tidskrifter (mitten av 1600-talet) bestämde redaktörer—som Henry Oldenburg vid Royal Society—vad som skulle publiceras utan att rådfråga externa experter. Under 1700- och 1800-talen, när vetenskapliga samhällen expanderade, utvecklades informella diskussioner och interna utvärderingar gradvis till en mer systematisk praxis. Vid mitten av 1900-talet, när forskningsproduktionen exploderade, antog tidskrifter strukturerad, extern peer review (ofta med anonyma granskare) för att hjälpa till att upprätthålla kvalitet och rättvisa. Idag ser vi en rad modeller—från enkel- och dubbelblind granskning till öppen och efterpubliceringsgranskning—som speglar pågående ansträngningar att balansera transparens, effektivitet och noggrannhet i ett snabbt växande akademiskt landskap,” förklarade Bratt.

DeSci har tagit fart för att hitta Web3-teknologilösningar för att hantera kritiska utmaningar som uppstår som en del av det traditionella tillvägagångssättet för vetenskaplig forskning. Som ett resultat har AI-agenter blivit en uppenbar lösning på de potentiellt katastrofala konsekvenser som mänskliga fel kan ha på peer review-mekanismer.

“Artificiell intelligens kan automatiskt flagga fel, inkonsekvenser och plagiat samtidigt som den matchar manuskript med de mest lämpliga granskarna—hjälper till att minska partiskhet och lätta på granskarnas arbetsbörda. Decentraliserade vetenskapsplattformar, som använder blockchain eller liknande teknologier, kan registrera granskningshistorik transparent och möjliggöra crowd-sourcade utvärderingar, vilket ökar ansvarsskyldighet och förtroende. Tillsammans effektiviserar och förbättrar dessa verktyg peer review, vilket säkerställer snabbare och mer tillförlitlig kvalitetskontroll,” tillade han.

Dessa framväxande teknologier har också gjort bidrag till vetenskaplig granskning mer tillgängliga.

“Decentraliserad vetenskap och artificiell intelligens kan enormt hjälpa peer reviews genom att sänka kostnaden för en peer review genom att låta en AI göra det till en bråkdel av kostnaden och mycket snabbare. DeSci kan ge alla möjligheten att ha oändliga peer reviews direkt,” sa Schlicht.

Effektivitet, snabbhet, decentralisering och kostnadsminskningar kan öppna nya vägar för att lösa komplexa vetenskapliga problem som hittills har varit svåra att lösa.

Påskynda vetenskapliga framsteg med AI

Framväxande teknologier som AI erbjuder lovande nya metoder för komplexa vetenskapliga utmaningar, inklusive cancerforskning, mänsklig livslängd och Alzheimers sjukdom.

Tack vare århundraden av mänsklig forskning publiceras miljontals vetenskapliga artiklar av tidskrifter världen över idag, vilket innebär enorma mängder data. AI-agenter kan lagra, filtrera och analysera befintliga dataset i hastigheter som är omöjliga för människor idag. 

“Artificiell intelligens förändrar cancerforskning och har enorm potential för att påskynda upptäckten av effektiva behandlingar. AI-verktyg visar sig redan ovärderliga genom att snabbt gå igenom enorma dataset för att upptäcka genetiska markörer och nya läkemedelsmål, modellera hur cancer utvecklas och till och med föreslå innovativa behandlingskombinationer. Dessa genombrott påskyndar inte bara de tidiga upptäcktsfaserna utan optimerar också designen av kliniska prövningar och förutsäger patienters svar med ökande noggrannhet. Även om cancer förblir en komplex uppsättning sjukdomar, gör AI:s växande påverkan målet om ett botemedel alltmer uppnåeligt och ger energi till hela forskarsamhället,” sa Bratt till BeInCrypto. 

Schlichts YesNoError (YNE) skapade ett whitepaper för ett decentraliserat initiativ som utnyttjar avancerade stora språkmodeller (LLM) för att systematiskt granska all befintlig vetenskaplig litteratur. YNE-token bygger på en ekonomisk modell där tokeninnehavare kan rösta om vilka projekt som ska prioriteras. 

AI-agenter ansvarar för att skanna fel, från enkla beräkningsmisstag till dataförfalskning. Projektets bredare mål är att utveckla ett verktyg för att verifiera vetenskapliga påståenden som är tillgängligt för forskare, institutioner och allmänheten.

“Hur många forskningsartiklar har skrivits om livslängd? Låt oss säga att det är en miljon. Låt oss säga att du är ett laboratorium fokuserat på livslängd. Storleken på ditt team som skulle krävas ur ett mänskligt perspektiv för att inte bara läsa en miljon artiklar, utan också noggrant analysera dem och syntetisera den datan, är inte genomförbart på mänsklig skala. Men när du börjar designa ett AI-agentbaserat system som kan läsa en miljon artiklar i princip direkt, kan du orkestrera dessa AI:er att dra slutsatser, komma tillbaka med syntetiserad information och sedan ta det till det mänskliga teamet. Så det är ett mycket tydligt sätt där AI kan hjälpa till att uppnå genombrott i livslängd eller något annat vetenskapligt mål,” sa Schlicht.

Andra stora aktörer börjar uppmärksamma denna alltmer populära trend. Advanced Micro Devices (AMD) och forskare vid Johns Hopkins University utvecklade nyligen Agent Laboratory. Denna AI-ram är utformad för att automatisera viktiga delar av vetenskaplig forskning.

Detta system använder stora språkmodeller för att genomföra litteraturöversikter, designa experiment och generera rapporter, inklusive kod och dokumentation. Det är dock inte decentraliserat eller baserat på en tokenmodell. Inledande resultat tyder på att ramen kan minska forskningskostnaderna med 84 % jämfört med andra automatiserade metoder utan att kompromissa med forskningskvaliteten.

Men om andra projekt inom kryptosektorn vill utveckla liknande projekt, kan AI i DeSci ha en lovande framtid.

DeScis ljusa framtid

Enligt CoinGecko är DeSci-marknadens värde 1,05 miljarder USD just nu. Under det senaste året har sektorn visat stadig tillväxt och ständig innovation. Många av de nyare projekten har snabbt blivit stora aktörer.

Schlicht och Bratt förutspår att marknaden för decentraliserad vetenskap kommer att växa exponentiellt.

“Jag tror att om 10 år kan DeSci-marknadens värde vara över 10 000 gånger vad det är nu. På grund av kombinationen av artificiell intelligens, decentralisering och tokens, kommer vetenskapen att öka exponentiellt i genombrott,” sa Schlicht.

Bratt tillade: 

“Om det lyckas, kan det lätt bli 5-10 % av den globala vetenskapliga forskningsmarknaden som redan är i biljoner.”

De förväntar sig dock att DeSci kommer att möta motstånd från traditionella medicinska och vetenskapliga lobbyer.

Möta status quo

Vetenskaplig forskning kan finansieras genom bidrag från olika statliga myndigheter, institutioner och stiftelser, men det finansieras mest av privata företag.

En rapport från UCLA 2023 visar att nästan 80 % av de cirka 57 miljarder USD som spenderades på cancerforskning i USA 2021 kom från den privata sektorn, främst stora läkemedelsföretag. Den rapporterade också begränsad delning av forskningsresultat.

“Det finns intressen som kan lobba för att förbjuda sådana marknadsaktiviteter för att skydda befintliga aktörer,” sa Bratt.

För Schlicht erbjuder DeSci en möjlighet att trotsa privata intressen.

“Tidigare kunde företag kontrollera vilken forskning som finansieras. DeSci stör det och tillåter vem som helst att få finansiering om folk tror att deras idé är bra,” sa han.

Eftersom blockkedjeteknik tillåter anonymitet och prioriterar integritet, hävdar han att innovatörer blir svårare att spåra.

“Jag tror inte att lobbyister kommer att kunna stoppa DeSci. Nästa Einstein kan vara anonym. Det kan vara någon med en pingvinavatar eller en grodprofilbild. Det kan vara någon med en NFT som profil och en massa siffror i sitt namn. Lobbyister kan inte ens hitta dem, eftersom de inte vet vem de är, och de finansieras på ett decentraliserat sätt. De har till och med ett team av andra pseudonyma personer som arbetar med dem, både människor och AI,” sa Schlicht.

Men innan man överväger en potentiell rivalitet mellan traditionella medicinska lobbyister och innovatörer inom decentraliserad vetenskap, är DeSci fortfarande på väg mot mognad.

Slutligen erbjuder sammansmältningen av AI och decentraliserad vetenskap ett kraftfullt nytt paradigm för vetenskaplig forskning. Denna möjlighet har potential att förbättra tillförlitligheten och effektiviteten i granskning, demokratisera tillgången till finansiering och påskynda genombrott inom olika vetenskapliga områden.

Det blir viktigt att övervaka AI:s och decentraliserad vetenskaps framsteg för att ansvarsfullt integrera dessa teknologier i vetenskaplig forskning.